Aron England, Chief Product & Technology Officer ve společnosti Accruent – Interview Series

Aron England, Chief Product and Technology Officer ve společnosti Accruent, je zkušený technologický a produktový líder, známý tím, že buduje a rozvíjí globální týmy, které dodávají SaaS a agentic řešení od počáteční fáze výzkumu až po produkty s vysokým růstem, zaměřené na zákazníky. Kombinuje hluboké znalosti z oblasti spotřebitelských trhů, B2B SaaS, e-commerce a komerční technologie se silným vedením lidí, spojuje inovace s hlubokým pochopením problémů zákazníků, aby dosáhl udržitelného produktového trhu a měřitelných obchodních výsledků, včetně růstu prostřednictvím akvizic a IP-driven strategie.

Accruent poskytuje software, který pomáhá organizacím řídit fyzickou stránku svého podnikání efektivněji, spojuje nástroje pro provozy, majetek, prostor a provozní činnosti v jednom propojeném systému. Jeho platforma je navržena tak, aby snížila fragmentaci, zlepšila viditelnost a rozhodování, a pomohla týmům plánovat, udržovat a optimalizovat budovy a vybavení napříč širokým spektrem odvětví.

Vybudujete a vedete vysoce výkonné globální týmy po více než 25 let. Ohlédnete-li se zpět na začínající podniky, velké podniky a nyní Accruent, jaká zásadní zkušenost nejvíce formovala váš přístup k budování důvěryhodné technologie ve velkém měřítku?

Při svém působení ve společnostech Fortune 50 a v technologickém vedení na počátku fáze startupů, středně velkých a větších veřejných a soukromých společností, jsem získal širokou škálu zkušeností, pokud jde o podporu digitální transformace napříč různými odvětvími. Nejvýznamnější zkušeností pro mě bylo, když jsem byl devátým zaměstnancem ve společnosti DocuSign (DOCU ) a jsme cílili trh, který potřeboval skutečnou změnu. Tlačit analogový průmysl smluv prostřednictvím kompletní digitální transformace vyžadovalo nejen budování důvěry, ale i legislativu, aby byla tato změna bezpečná. Existuje mnoho lekcí z mého pobytu tam, které lze aplikovat na současný trh pro LLM a AI nástroje.

Vysoké úrovni, vzorec napříč mými zkušenostmi zůstal konzistentní: důvěryhodné systémy nevznikají náhodou. Vznikají z úmyslné architektury, datové konzistence, transparentnosti a hlubokého pochopení, jak skutečné osoby používají technologii.

Varoval jste, že do roku 2026 technici již nebudou akceptovat AI systémy, které prostě říkají: „důvěřujte mi.“ Z vašeho pohledu ve společnosti Accruent, co pohání tuto změnu v očekáváních mezi techniky a field-service profesionály?

V prostředích, kde manažeři zařízení a technici využívají AI k diagnostice selhání zařízení a komplexních oprav, může krok zpět od falešné nebo nepřesné doporučení způsobit velké obchodní a bezpečnostní rizika.

Často LLM vytvářejí kombinované odpovědi z více stránek, bez citování zpátky na základní důkazy. Jako výsledek, pokud technik následuje AI-generovaný krok, který nikdy přímo neexistoval v manuálu OEM, organizace může čelit velkému compliance backlash, protože nebudou mít defenzivní řetězec důkazů pro audity nebo bezpečnostní kontroly. Jak AI se stává tabulkou a více „neviditelnou“ v softwaru, důležitost stopovatelnosti poroste.

AI halucinace mohou být více než nepohodlí v regulovaných odvětvích — mohou vytvářet skutečná bezpečnostní, compliance a provozní rizika. Jaké scénáře halucinace vás nejvíce znepokojují, pokud jde o údržbu, facility management nebo asset operace?

V výrobě, pokud AI-generovaná doporučení řekne pracovníkovi ve výrobě, aby provedl nesprávnou akci na kritickém kusu zařízení, může to vést k neplánovanému výpadku, zbytečným materiálům, vadným konečným produktům nebo poškozenému zařízení. Tyto mohou být milionové chyby, protože výrobní linky stojí nebo dokonce reputační poškození, pokud později vede k_recallům.

Tyto halucinace z AI nástrojů jsou také zvláště škodlivé pro odvětví, jako je zdravotnictví, protože závazky a životy pacientů jsou ohroženy, když dojde k selhání stroje, které nebylo řádně udržováno nebo opraveno včas. Když se zabýváte odvětvími, která interagují s reálným světem, opravování chyb není tak jednoduché, jako stisknutí tlačítka „smazat“ a začít znovu.

Vy jste zdůraznil, že každý AI výstup musí odkazovat zpět na původní zdroje — manuály, datové tabulky, diagramy, historické záznamy. Jak Accruent navrhuje systémy, které zajišťují stopovatelnost a eliminují „černou skříňku“ odpovědi?

Zajišťujeme, aby AI doporučení mohla být stopována zpět na významné výstupní body v jeho zdrojovém materiálu, jako je konkrétní stránka manuálu, diagram, datová tabulka nebo záznam, který informoval doporučení. Například, pokud AI doporučení řekne manažerovi zařízení ve zdravotnictví, jak servisovat kompresor, měli by být schopni stopovat zpět na přesný odstavec, který podporuje ten krok v jednom kliknutí, aby zajistili přesnost. Aby se uzavřela rostoucí důvěra ve dnešních podnikových AI, je důležité, aby tyto systémy byly také schopny odhalit, které body nebo stránky byly skutečně vyhodnoceny, aby uživatelé věděli, zda AI prohlédl všechny relevantní dokumenty nebo pouze podmnožinu.

Mnohé podnikové AI nástroje priorizují rychlost, ale regulovaná prostředí vyžadují auditní stopy, dokumentační přesnost a ověřitelné zdůvodnění. Jak vyvažujete inovace s potřebou transparentnosti a compliance?

Vložením AI do stávajících pracovních postupů je klíč. To zjednodušuje proces vrstvení schválení, dokumentace, údržby rutin a compliance kontrol, aby se augmentovaly známé postupy, místo implementace nového izolovaného nástroje. To znamená, že se vyhýbáme kompletní přestavbě operací a umožňujeme zaměstnancům pokračovat v práci způsobem, jakým vždy pracovali, ale s manuálními, časově náročnými procesy se stávají automatizovanými.

Technici v terénu se spoléhají na přesné instrukce. Jak Accruent přistupuje k výzvě zakotvení AI výstupů v autoritativních zdrojových materiálech, aby snížilo riziko a zlepšilo důvěru techniků?

Náš přístup začíná zachycením a organizací manuálů, diagramů, kreseb, nájemních smluv a historických pracovních příkazů, aby se zajistilo, že AI poskytuje odpovědi z konkrétního obsahu společnosti, a ne z generického tréninkového dat.

Bez této funkce by technici, kteří jsou již stlačeni zdroji, museli strávit ještě více času manuálně procházením dokumentů, aby ověřili přesnost, což by dále zpozdilo procesy a pracovní příkazy.

Dodání transparentních, auditních AI vyžaduje velké objemy strukturovaných dat. Jaké datové výzvy — od nestrukturovaných legacy dokumentů po nesourodé asset historie — je třeba vyřešit, aby se tato vize stala realitou?

Dodání auditních AI začíná spolehlivými a dobře organizovanými daty. Nicméně, většina postaveného prostředí stále žije v analogových procesech, s manuálními datovými vstupy, naskenovanými PDF a izolovanými tabulkami. Když existují mezery v datech a asset historie, které jsou neúplné nebo nesourodé, rizika AI halucinace se zvyšují. Aby se AI výstupy staly důvěryhodnými v regulovaných prostředích, společnosti musí nejprve vyřešit problémy s legacy daty, od nestrukturovaných formátů po nesourodé historie, chybějící governance, migrací do strukturovaných, version-controlled, centralizovaných dokumentů a asset-datových systémů.

Náš EDMS (Engineering Document Management System) může to udělat pro několik odvětví, včetně těžby, utilit, výroby a dalšího. Tato odvětví často spoléhají na fyzické inženýrské kresby a dokumentaci, které mohou vytvářet noční můry version control. Používání našeho EDMS řešení k digitalizaci těchto dokumentů je první krok. Odtud software pomáhá spravovat version control, workflow governance a auditní stopy, aby se eliminovaly nesrovnalosti.

Jak vidíte největší příležitosti ke zlepšení produktivity bez kompromisování bezpečnosti nebo regulatorních požadavků, když AI se stává zabudovanou v údržbě, provozech a asset lifecycle managementu?

Jedna z největších příležitostí je automatizace nudných, ne-hodnotných úkolů pro zaměstnance, jako je manuální datová vstup, plánování pracovních příkazů pro techniky. Zvenčí to vypadá jako relativně jednoduchý, ale časově náročný úkol. Nicméně, AI může tento úkol řešit strategičtěji.

AI má potenciál nejen „asistovat“ údržbářským a provozním týmům — bude stále více jednat jako digitální operátor.

Důvěra se stává novou tabulkou pro podnikové AI. Co podle vás budou muset dodavatelé dělat jinak v příštích dvou letech, aby získali — a udrželi — tuto důvěru?

Dodavatelé musí přestat předpokládat, že zákazníci prostě „důvěřují modelu“, pokud jde o podnikové AI. Doporučení z AI musí ukazovat důkazy, jak byly vygenerovány. Jedním ze způsobů, jak řešit tuto otázku, je formou citací a jasných popisů, které dokumenty AI prohlédl a které ne. Například, pokud zaměstnanec požádá AI o analýzu 1 000 nájemních smluv, měli by vědět explicitně, zda vyhodnotil všechny 1 000 nebo pouze 700, a proč nebo proč ne.

Jako součást toho by dodavatelé měli prioritizovat transparentnost v použití dat. To zahrnuje jasnost o tom, kdo vidí data, jak jsou používána (včetně jakýchkoli tréninkových implikací), a jak jsou segregována nebo izolována od prostředí jiných zákazníků.

V příštích dvou letech bude získání důvěry zásadní, a dodavatelé mohou získat horní ruku, být explicitní o omezeních AI nástrojů, udržovat lidi v smyčce pro rozhodnutí s vysokým rizikem, a začínat s úzkými, dobře definovanými případy použití, které dodávají hmatatelnou hodnotu bez umístění zákazníků do „černé skříňky“ situace.

Pohledem do budoucnosti, jak vidíte AI evoluci v rámci kriticky důležitých operací, a jakou roli očekáváte, že Accruent bude hrát při stanovování odvětvových standardů pro důvěryhodnou, transparentní AI?

AI v kriticky důležitých operacích se rychle vyvíjí z izolovaných automatizací jednotlivých úkolů do inteligentních, multi-agentních systémů, které mohou koordinovat a optimalizovat celé pracovní postupy. Místo asistence uživatelům bude AI poskytovat autonomní podporu rozhodování, bude kontinuálně monitorovat provozní podmínky, předpovídat rizika a doporučovat akce s plnou transparentností a stopovatelností. Jak AI se naučí kombinovat nestrukturované dokumenty, strukturovaná provozní data a reálné signály, bude se zabudovávat přímo do denních procesů, pohánějících rychlejší, bezpečnější a spolehlivější výsledky.

Postupem času to umožní posun směrem k autonomním operacím, kde systémy mohou se samo-optimalizovat a samo-opravit, zatímco lidé se budou soustředit na dohled a strategické rozhodování. Jako lídr na trhu bude Accruent pomáhat stanovovat odvětvové standardy pro důvěryhodnou a transparentní AI tím, že bude vkládat auditovatelnost, vysvětlitelnost a silnou governance do své platformy, a spolupracovat se zákazníky, partnery a regulačními orgány, aby definovaly nejlepší postupy pro bezpečné nasazení v kriticky důležitých prostředích.

Děkuji za skvělý rozhovor, čtenáři, kteří chtějí se dozvědět více, by měli navštívit Accruent.